用Eventer进行自发突触波形的可复制监督学习辅助分类.
Giles Winchester1, Oliver G Steele1, Samuel Liu1
1School of Life Sciences, University of Sussex, Brighton, United Kingdom.
Frontiers in neuroinformatics
|September 30, 2024
概括
事件是一个新的开源应用程序,可以自动检测自发的突触事件. 它学习用户的标准,以提高神经科学数据分析的一致性和可重复性.
科学领域:
- 神经科学是一个神经科学.
- 计算神经科学是一种神经科学.
- 数据分析 数据分析
背景情况:
- 手动检测自发突触事件是耗时的,容易产生偏差.
- 现有的突触事件检测方法缺乏一致性和可重现性.
- 需要自动化工具来简化电生理学和成像数据的分析.
研究的目的:
- 开发一个开源应用程序,Eventer,用于自动检测和分析自发突触事件.
- 为分析大型数据集提供可复制和一致的方法.
- 为了减少主观性,并提高突触事件分析的吞吐量.
主要方法:
- 活动器使用机器学习方法,特别是随机森林,根据用户定义的标准进行训练.
- 该应用程序使用基于Fast Fourier Transform (FFT) 的解卷方法进行初始事件候选者识别.
- 它是一个独立的应用程序,与Mac,Windows和Linux兼容,使用MATLAB运行时.
主要成果:
- 事件器成功地学习了用户定义的分类突触事件的标准.
- 与手动选择相比,该应用程序在分析大型数据集方面表现出高度的一致性.
- 相关的在线存储库促进了机器学习模型的共享,以提高可重现性.
结论:
- 埃文特为分析自发突触事件提供了一种可复制和高效的解决方案.
- 开源性质和模型共享存储库促进了神经科学研究中的合作和标准化.
- 该工具解决了在突触传输研究中增加吞吐量和可重复性的关键需求.


